Logo BSU

Please use this identifier to cite or link to this item: https://elib.bsu.by/handle/123456789/271678
Title: Эффективность использования методов на базе рекуррентных нейронных сетей для задач отслеживания динамических объектов
Other Titles: The effectiveness of recurrent neural network-based methods for dynamic objects tracking / I. V. Saetchnikov, V.V. Skakun, E. A. Therniavskaia
Authors: Саечников, И. В.
Скакун, В. В.
Чернявская, Э. А.
Keywords: ЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Физика
ЭБ БГУ::ТЕХНИЧЕСКИЕ И ПРИКЛАДНЫЕ НАУКИ. ОТРАСЛИ ЭКОНОМИКИ::Электроника. Радиотехника
Issue Date: 2021
Publisher: Минск : БГУ
Citation: Квантовая электроника : материалы XIII Междунар. науч.-техн. конференции, Минск, 22–26 ноября 2021 г. / БГУ, НИИ прикладных физических проблем им. А. Н. Севченко БГУ, Ин-т физики им. Б. И. Степанова НАН Беларуси, Белорусский республиканский фонд фундаментальных исследований ; [редкол.: М. М. Кугейко (отв. ред.), А. А. Афоненко, А. В. Баркова]. – Минск : БГУ, 2021. – С. 410-412.
Abstract: Отслеживание объектов на данный момент является одной из самых сложных и наименее изученных задач в области компьютерного зрения по ряду причин. Кроме специфики построения методов, существенную роль играет и выбор места и угла фотофиксации объектов, в том числе большое расстояние до объектов слежения, вариативность в размерах объектов, движение камеры и т. д. В данной работе проводится обзор существующих подходов в задачах отслеживания объектов, обсуждаются преимущества и недостатки тех или иных методов, а также аргументируется выбор типа рекуррентных нейронных сетей как основы для построения метода отслеживания объектов. Для подтверждения эффективности метода отслеживания приводится реализация метода с использованием сети детектирования YOLOv4eff в комбинации с двунаправленной сетью долговременной памяти LSTM для отслеживания объектов на дороге с беспилотного летательного аппарата. В нашем методе сверточная нейронная сеть используется в качестве сети выделения признаков дифференциальных последовательных кадров, YOLOv4eff в качестве детектора и biLSTMeff в качестве предиктора мест слежения. Сравнение производительности предложенного метода по сравнению с другими современными методами отслеживания показывают более точный результат и в целом подтверждается эффективная применимость метода для задачи отслеживания динамических объектов
Abstract (in another language): Object tracking is currently one of the most difficult and least researched tasks in the field of computer vision. The significant role is playing not only the specifics of method development but also the choice of location and angle of object photography, e. g. large distance to tracking objects, variability in object size, camera movement, etc. This paper reviews the existing approaches in object tracking tasks, discusses the advantages and disadvantages of various methods, and argues the choice of recurrent neural network type as the baseline for an object tracking method. To prove the effectiveness of the proposed method’s approaches we reported about the combined YOLOv4eff detection network with the bi-directional LSTM long-term memory network for on-road object tracking from an unmanned aerial vehicle. Our method uses convolutional neural network as a differential sequential frame feature extraction network, YOLOv4eff as detector and biLSTMeff as predictor of tracking locations of the dynamic objects. The comprehensive performance analysis of the proposed method compared to existing state-of-the-art tracking methods has confirmed the effectiveness of the proposed method based on recurrent neural network
URI: https://elib.bsu.by/handle/123456789/271678
Licence: info:eu-repo/semantics/openAccess
Number, date deposit: № 010503112021, Деп. в БГУ 03.11.2021
Appears in Collections:2021. Квантовая электроника

Files in This Item:
File Description SizeFormat 
410-412.pdf902,12 kBAdobe PDFView/Open
Show full item record Google Scholar



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.